Lernziele:

Die Studierenden besitzen ein wissenschaftlich fundiertes und praxisbezogenes Verständnis der linearen, nicht-linearen, stochastischen und dynamischen Optimierung. Darauf aufbauend, können sie praktische technisch-ökonomische Entscheidungsprobleme formalisieren und modellieren. Sie verfügen über die Fähigkeit, adäquate Lösungsverfahren für gegebene Problemstellungen eigenständig und kreativ zu entwickeln. Die Studierenden haben das notwendige Bewusstsein und die Methodenkompetenz, um in der Praxis auftretende Optimierungsprobleme zu analysieren, zu lösen und zu interpretieren. Bei der Bearbeitung von Bonusaufgaben in Kleingruppen ist die Möglichkeit gegeben, soziale Kompetenzen zu vertiefen.


Inhalte: 

  • Graphentheoretische Grundlagen
  • Wege- und Flussprobleme
  • MPM-Netzplantechnik
  • Modellierung betriebswirtschaftlicher und technischer Fragestellungen
  • Lineare Programmierung
  • Simplexmethode
  • Dualitätsprinzip und ökonomische Interpretation
  • Grundlagen der rechnergestützten linearen Optimierung
  • Ganzzahlige Optimierung
  • Nichtlineare Optimierung
  • Dynamische Optimierung
  • Stochastische Simulation

Literatur:

  • Bazaraa, M. S. (1993): Nonlinear Programming
  • Domschke, W. und A. Drexl (2007). Einführung in Operations Research. 7. Aufl. Springer.
  • Hillier, F. S., Lieberman, G. J. (2004): Introduction to Operations Research
  • Kolonko, M (2008): Stochastische Simulation: Grundlagen, Algorithmen und Anwendungen
  • Neumann, K. und M. Morlock (2002). Operations Research. 2. Aufl. München: Carl Hanser.
  • Werners, B. (2013): Grundlagen des Operations Research
  • Winston, W. L. (2004). Operations Research. 4. Aufl. Duxbury Press. 
 

Kontakt  Sitemap  Datenschutz  Impressum
© TU Clausthal 2019